[论文解读] Screening of potential double perovskite materials for photovoltaic applications using agglomerative hierarchical clustering

Utkarsh Saha, Koyendrila Debnath+1 more|arXiv (Cornell University)|Nov 15, 2021

Perovskite Materials and Applications被引用 8

一句话总结

本研究提出一种凝聚层次聚类（AHC）方法，用于从540种化合物的小数据集筛选卤化双钙钛矿（A2BB'X6）材料在光伏应用中的潜力。通过利用32个结构和电子特征，并采用Ward链接法与欧几里得距离，该方法识别出10个独立聚类，其中聚类1包含11种化合物，其带隙值为1.0–1.4 eV，且形成能较高，表明尽管数据有限，仍具有较强的太阳能电池应用潜力。

ABSTRACT

Data-driven approaches to solve problems in materials science have gained immense popularity in recent times due to their ability to predict unknown material properties and uncover relationships between structure and property. Machine learning algorithms like GBRT, random forest and neural networks have had tremendous success in predicting target properties of materials and design of structures for various applications. However, a major drawback for achieving results within the required accuracy using these algorithms has been the need for large datasets which can be challenging for problems when data is not sufficiently available for training the models. In this work, we propose the use of a hierarchical clustering algorithm which can work considerably better on materials science problems with small dataset constraints. We apply the algorithm to screen out promising double perovskite materials as candidates for solar cells.

研究动机与目标

• 为解决双钙钛矿材料发现中数据有限的问题，该问题阻碍了传统监督式机器学习的应用。
• 开发一种数据高效的方法，从540种卤化双钙钛矿的小样本数据集中识别出有前景的光伏材料。
• 通过凝聚层次聚类的无监督学习方法，基于结构和电子特征对材料进行分组，而无需依赖大规模标注数据集。
• 识别出一组具有理想带隙和热力学稳定性的高潜力双钙钛矿候选材料，以供进一步实验和计算验证。

提出的方法

• 基于先前研究中与带隙能量相关的已知关联，构建了32维特征向量。
• 使用Python中的Scipy库实现凝聚层次聚类（AHC）算法，采用Ward链接法和欧几里得距离作为链接准则。
• 通过调整树状图中的阈值，将聚类数量设定为10，以确保聚类间清晰分离且具有实际意义。
• 聚类过程采用自下而上的方法，从单个数据点开始，根据簇间距离逐步合并最相似的簇。
• 使用VASP进行从头算计算，采用PBE和HSE06泛函，并包含自旋-轨道耦合，以验证高潜力候选材料的电子结构。
• 结构弛豫采用12×12×12的k点网格和500 eV的平面波截断能，确保能量和力收敛，力低于0.01 eV/Å。

实验结果

研究问题

• RQ1 在训练数据有限的情况下，凝聚层次聚类能否有效识别出具有前景的光伏用双钙钛矿材料？
• RQ2 在A2BB'X6双钙钛矿中，哪些结构和电子特征最能预测有利的带隙值？
• RQ3 在数据稀缺的材料发现场景中，无监督聚类能否优于传统高通量筛选方法？
• RQ4 各聚类中带隙和形成能的分布如何？哪个聚类包含最具潜力的光伏候选材料？

主要发现

• 聚类1包含11种化合物，其带隙范围为1.0–1.4 eV，非常适合单结太阳能电池。
• 这11种化合物在聚类1中表现出较高的形成能（范围为-1.2至-1.8 eV/公式单元），表明具有良好的热力学稳定性。
• AHC方法成功地将材料划分为10个清晰分离的聚类，实现了候选材料的高效优先排序。
• 采用包含自旋-轨道耦合的HSE06泛函，证实了带隙预测的准确性，纠正了GGA泛函常见的低估问题。
• 聚类方法将候选材料的搜索空间从540种化合物缩减为10个聚类，聚类1成为最值得进一步研究的候选者。
• 该方法具有可扩展性，可适用于其他小样本数据的材料科学问题，显著减少对复杂特征工程的需求。